"""Textes : accroches posées sur les visuels, carrousel, publications par canal. Limites vérifiées par le code."""
from __future__ import annotations

import logging
import re

from pydantic import BaseModel, Field

from .kit import Brief, BrandKit

log = logging.getLogger("studio.textes")

MENTION_IA = "Visuels créés avec l'IA (Gemini, Veo), sélectionnés et validés par notre équipe."
LIMITES = {"titre": 42, "sous_titre": 90, "linkedin": 1300, "instagram": 2200, "hashtags": 5}


class Accroche(BaseModel):
    titre: str = Field(description=f"{LIMITES['titre']} caractères maximum")
    sous_titre: str = Field(description=f"{LIMITES['sous_titre']} caractères maximum")


class Accroches(BaseModel):
    linkedin: Accroche
    instagram_portrait: Accroche
    story: Accroche
    banniere: Accroche


class Diapo(BaseModel):
    titre: str = Field(description=f"{LIMITES['titre']} caractères maximum")
    texte: str = Field(description="140 caractères maximum")


class Textes(BaseModel):
    accroches: Accroches
    carrousel: list[Diapo] = Field(description="exactement 5 diapositives : couverture, 3 arguments, appel à l'action")
    post_linkedin: str = Field(description="post LinkedIn, 600 à 1200 caractères, première ligne qui accroche, sans hashtag")
    legende_instagram: str = Field(description="légende Instagram, 300 à 800 caractères, sans hashtag")
    hashtags: list[str] = Field(description="3 à 5 hashtags sans espace")
    texte_alternatif: str = Field(description="description du visuel pour l'accessibilité, 125 caractères maximum")


PROMPT = """Rédige les textes de la campagne pour la marque {marque}.
Ton : {ton}
Règles : {regles}
Mots interdits (ne jamais les employer, même dérivés) : {interdits}
Brief : {brief}
Écris en français. Pas d'emoji. Pas d'allégation chiffrée qui ne figure pas dans le brief."""


def generer_textes(models, brief: Brief, kit: BrandKit) -> tuple[Textes, list[str]]:
    prompt = PROMPT.format(
        marque=kit.marque, ton="; ".join(kit.ton), regles="; ".join(kit.regles),
        interdits=", ".join(kit.mots_interdits), brief=brief.model_dump_json(),
    )
    textes = models.json(prompt, Textes, nature="textes")
    problemes = verifier(textes, kit)
    if problemes:  # un seul tour de correction : le modèle reçoit la liste exacte des écarts
        log.warning("textes à corriger : %s", problemes)
        textes = models.json(prompt + "\n\nCorrige ces écarts de la version précédente :\n- " + "\n- ".join(problemes)
                             + "\nVersion précédente :\n" + textes.model_dump_json(), Textes, nature="textes")
        problemes = verifier(textes, kit)
    return textes, problemes


def verifier(t: Textes, kit: BrandKit) -> list[str]:
    """Écarts mesurables : longueurs, nombre de diapositives et de hashtags, mots interdits."""
    p = []
    for nom, a in t.accroches.model_dump().items():
        if len(a["titre"]) > LIMITES["titre"]:
            p.append(f"accroche {nom} : titre de {len(a['titre'])} caractères > {LIMITES['titre']}")
        if len(a["sous_titre"]) > LIMITES["sous_titre"]:
            p.append(f"accroche {nom} : sous-titre de {len(a['sous_titre'])} caractères > {LIMITES['sous_titre']}")
    if len(t.carrousel) != 5:
        p.append(f"carrousel : {len(t.carrousel)} diapositives au lieu de 5")
    if len(t.post_linkedin) > LIMITES["linkedin"]:
        p.append(f"post LinkedIn de {len(t.post_linkedin)} caractères > {LIMITES['linkedin']}")
    if not 1 <= len(t.hashtags) <= LIMITES["hashtags"]:
        p.append(f"{len(t.hashtags)} hashtags (attendu 1 à {LIMITES['hashtags']})")
    tout = t.model_dump_json().lower()
    for mot in kit.mots_interdits:
        if re.search(r"\b" + re.escape(mot.lower()), tout):
            p.append(f"mot interdit employé : « {mot} »")
    return p


def post_linkedin(t: Textes) -> str:
    tags = " ".join("#" + h.lstrip("#").replace(" ", "") for h in t.hashtags)
    return f"{t.post_linkedin.strip()}\n\n{tags}\n\n{MENTION_IA}\n"